基于CPN网络的车辆关键点检测

张志刚，游安清

(中国工程物理研究院应用电子学研究所，四川 绵阳 621900)

0 引 言

智慧交通[1]和自动驾驶成为了近年来的研究热点，有着良好的应用前景。其面临的一个挑战是获得道路上车辆的三维属性，即得到车辆的三维姿态和形状。目前领先的3D对象理解技术很少依赖常规的相机，而是采用高精度的激光雷达传感器[2]，但因自身较高的成本，阻碍了其进一步的推广。因此通过普通摄像头进行车辆的3D理解仍是一种常规且可行的方法，吸引了计算机视觉领域的大量研究[3-4]。

通过普通相机获得物体的3D姿态，一般采用PnP[5](Perspective-n-Point)算法求解，即在已知多个3D点和2D像素点对的映射关系时求解物体和相机之间的姿态。因此通过普通摄像头获取车辆的3D姿态需要检测图像中车辆上的关键点坐标。同时获取到的车辆关键点还可用于自动标定道路监控相机[6]、计算车辆姿态、对车辆表面分块获得语义分割信息等。

常见的关键点检测任务有人体姿态估计、人脸Landmark、手势识别等，这些关键点通常是人为设计的一些具有语义信息的特征点。若使用传统的视觉算法识别这类高语义信息的点将面临巨大挑战，而近年来随着深度学习、CNN[7]算法的进步，能够很好地识别这些关键点。关键点检测使用VGG[8]、GoogLeNet[9]、ResNet[10]等常见的分类网络作为特征提取器，并在网络的头部去回归关键点的数值坐标。人脸可视为刚体，图像比较简单，因此人脸关键点检测通常采用全连接层直接回归坐标点[11-12]。……